Önálló Laboratórium II. Készítette: Varga Róbert

Az előadások a következő témára: "Önálló Laboratórium II. Készítette: Varga Róbert "— Előadás másolata:

1 Mellkas röntgen felvételeket elemző CAD rendszer pontosságának javítása
Önálló Laboratórium II. Készítette: Varga Róbert Konzulens: Dr. Horváth Gábor BME Méréstechnika és Információs Rendszerek Tanszék Intelligens Rendszerek Szakirány

2 Kiindulási állapot I. Tanszéken fejlesztett CAD rendszer
Képenként körülbelül 4 fals pozitív jelöltet generál Önálló Laboratórium I. keretében megvalósult: Érkiemelő képfeldolgozási eljárás (MATLAB) Kb. 2500X2500 méretű képen kb. 27 sec futási idő Képi jellemzők előállítása (kb. 40 feature) Képenkénti feldolgozási idő kb. 4-5perc AdaBoost tanuló eljárás tanítása a jellemzőkkel (RapidMiner)

3 Kiindulási állapot II. Érkiemelő eljárás AdaBoost eljárás
A kisebb méretű, érhálózattal összekötött daganatos elváltozásokat hajlamos kiemelni AdaBoost eljárás A kivonatolt jellemzők alapján a teszt halmazon gyenge eredmények Az érkiemelő eljárás mellett egy kerekárnyék kiemelő szűrő megvalósítása. A kimeneti képek alapján további jellemzők származtatása

4 Ér és kerekárnyék kiemelő eljárás
Érkereső eljárás Kerekárnyék kiemelő eljárás

5 Bemeneti kép

6 Érkiemelő szűrő Dist = 5 6 kör 16 irány

7 Érkiemelő szűrő Dist = 10 6 kör 16 irány

8 Érkiemelő szűrő Dist = 20 6 kör 16 irány

9 Kerekárnyék kereső Dist = 10 6 kör 16 irány

10 Kerekárnyék kereső Dist = 20 6 kör 16 irány

11 AdaBoost Tanuló eljárás I.
Mintahalmazok paraméterei: Képek alapján kb. 100 darab jellemző A mintapontokat egyszintű döntési fa (Decision Stump) súlyozza A „legjobb” jellemző-halmaz megtalálása Forward Selection eljárás futtatásával A Forward Selection eljárás a tanító halmazon ötszöri keresztvalidálás mellett értékeli az AdaBoost (T = 160) teljesítményét Kép # Jelölt # Negatív # Pozitív # Tanító 125 831 533 298 Teszt 87 513 394 119 Összesen 212 1344 927 417

12 AdaBoost (Tanítás) A célfeladat szempontjából kb. 95% feletti érzékenység fogadható el

13 AdaBoost (Tesztelés) A tesztek során átlagosan 15% FP jelöltett dobott el A tanító és teszthalmaz összevonásával (mintaszám növelés) a keresztvalidáció és Bootsrap validáció során hasonló eredmények adódtak

14 Kapott eredmények kiértékelése
A CAD rendszer esetében 0.6 –tal kevesebb fals jelölt képenként A mintaszám növelésével nem kaptunk jobb eredményt Továbblépési alternatívák További jellemzők származtatása Más eljárások felkutatása, alkalmazása Kiemelő szűrők továbbfejlesztése

15 Szűrő továbbfejlesztése
A kerekárnyékok nem minden esetben kör alakúak Az erek nem csak vonalas alakzatok lehetnek a röntgenképeken Célszerű lehet a kerekárnyékoktól különböző régiók kiemelése A szűrők implementációs módosításával más jellegű régiók kerülnek kiemelésre Felmerülő feladatok: A szűrők elrendezési sémájának megváltoztatása és hatásának vizsgálata Az implementációban történő módosítás hatásának kiértékelése

16 Elrendezési séma módosítása
Elliptikus pályájú szűrő lehetővé teheti: Körszerű vagy nyújtottabb, vonalas alakzatok kiemelése Különböző irányba néző ellipszisek és mintapontok Irányérzékeny / irányérzéketlen implementációk Szimmetrikus / aszimmetrikus alakzatok kiemelése

17 Elrendezési séma paraméterei
Paraméter neve Jelölés Rövid leírás Körök száma i A koncentrikus ellipszisek számát adja meg Mintavételi pontok száma j Az ellipszisen j darab 2π/j radiánonként elhelyezkedő mintavételi pont Ellipszisek száma k Az egyes körökön k darab, π/k radián irányoba néző ellipszis Körök távolsága distance A koncentrikus ellipszisek közötti lépésköz nagyságát adja meg. A paraméterrel szabályozhatjuk a szűrő méretét Ellipszis X tengely Xratio Az ellipszis X irányú kiterjedését adja meg, Xratio=Yratio esetén kört kapunk. Ellipszis Y tengely Yratio Az ellipszis Y irányú kiterjedését adja meg

18 Elliptikus Max-Min szűrő
Mintavételi pontra do for( m=0; m < count – 1; m++) { k = (i – mod_Offset) % modulus if( k == m) }

19 Max-Min szűrő paraméterei
Paraméter neve Jelentése modulus A bejárási sorrend szerint minden modulus –adik mintavételi pontot jelöli ki. Összesen modulus darab mintapont osztály, darab mintavételi ponttal count A különbségképzésnél figyelembe veendő osztályok száma. count = modulus esetén az összes mintavételi pont szerepel a különbségképzésben mod_Offset A különbségképzésnél pontosztályok sorrendjének megváltoztatása (melyik osztály pontjaival kezdjük a különbségképzést) Speciális esetben az osztályokba tartozó mintavételi pontok 2π/modulus radiánnal történő forgatását jelöli ki.

20 i=3 j = 16 k= 6 modulus = 3 , bejárási sorrend: ijk

21 Mintavételipontok index sorrendje

22 Demo Köszönöm a figyelmet!